OpenAI claims it solved an 80-year-old math problem — for real this time
Matematici se o jeden konkrétní problém přeli osmdesát let. OpenAI ho prý vyřešila za pár hodin. Kdybyste to slyšeli poprvé, pravděpodobně byste se usmáli a šli dál — stejně jako při předchozích dvanácti „průlomech v AI". Tentokrát ale příběh nekončí tiskovou zprávou.
Nadpis: OpenAI vyřešil osmdesátiletý matematický problém. Tentokrát to myslí vážně — a elektromobilita bude jiná
Co se vlastně stalo a proč to není jen PR
V květnu 2026 OpenAI publikovala výsledky svého modelu o3 v oblasti formální matematiky. Konkrétně šlo o třídu kombinatorických optimalizačních problémů — Ramseyova čísla a jejich hranice. Matematici je studují od čtyřicátých let minulého století, kdy Frank Ramsey položil základ celého oboru. Problém je zdánlivě jednoduchý: jak velká musí být skupina lidí, aby v ní garantovaně existovala podskupina se specifickou vlastností? Ale „zdánlivě" je klíčové slovo.
OpenAI nepublikovala jen výsledek. Publikovala formální důkaz v jazyce Lean 4 — systému, který důkazy strojově verifikuje. Tohle je rozdíl mezi tím, když vám soused říká, že vyřešil Rubikovu kostku za tridsec sekund, a tím, když to natočí na video se stopkami. Lean 4 je to video.
Skeptici namítají, že šlo o „jen" jeden případ z celé třídy problémů a že obecné Ramseyovo číslo R(6,6) zůstává neznámé. Pravda. Ale to, co se stalo, je jiné — AI poprvé systematicky prohledala prostor matematických důkazů způsobem, který lidský mozek fyzicky nezvládne. Není to náhoda ani šťastný odhad. Je to nová metoda.
A tady začíná skutečný příběh pro elektromobilitu.
Proč matematik pracující na Ramseyových číslech zajímá výrobce baterií
Optimalizace baterií je v jádru kombinatorický problém. Máte tisíce článků v bateriové pack, každý s trochu jiným vnitřním odporem, kapacitou a teplotní charakteristikou. Chcete je nabíjet a vybíjet tak, aby degradovaly co nejpomaleji, dodávaly co nejvíce energie a přitom nepřekročily teplotní limity. Zvládnout tohle v reálném čase pro 50kWh baterii v elektromobilu nebo 250kWh BESS systém v energetickém úložišti je výpočetně šílené.
Dnes to výrobci řeší heuristikami — chytrými pravidly palce, která fungují „dost dobře". Tesla BMS, BYD, CATL — všichni jedou na variantách stejného kompromisu: přesnost za rychlost.
Pokud AI dokáže systematicky prohledávat prostory problémů, které lidé zvládají jen přibližně, pak se BMS software o pět let změní dramaticky. Ne evolučně — revolučně. Ramseyova čísla jsou pro elektromobilitu jako termodynamika pro tepelné motory: na první pohled abstraktní fyzika, v praxi základ každého výpočtu.
Konkrétní čísla: průměrná Li-NMC baterie degraduje o 2–3 % ročně při standardním BMS. Výzkumy z Stanfordu ukázaly, že optimalizovaný nabíjecí protokol může degradaci snížit na 0,8–1,2 % ročně. Rozdíl v životnosti baterie za 10 let je zhruba 15–20 % zbývající kapacity. Na baterii za 250 000 Kč to dělá 37 500 až 50 000 Kč v zachráněné hodnotě. Tohle je přesně typ problému, který nové matematické nástroje od OpenAI adresují.
Pro zájemce o to, jak podobné optimalizace fungují v praxi na komunitní úrovni, má detailní přehled SmartEnergyShare.cz včetně popisu jejich VPP architektury.
Figure AI roboti a co mají společného s bateriemi v elektromobilech
Internet se v posledních dnech nemohl vynadívat na video, kde humanoidní roboti Figure AI nakládají balíčky ve skladu. Komentáře se pohybovaly od „tohle je konec práce" po „ještě pět let a budou to dělat sami". Obě reakce míří vedle.
Skutečný příběh je jiný: Figure AI (a jejich konkurenti — Boston Dynamics, Agility Robotics, 1X Technologies) potřebují pro každého robota výkonnou baterii, která vydrží celou směnu. Průmyslový humanoid spotřebuje přibližně 1–2 kWh za hodinu intenzivního provozu. Osmihodinová směna znamená 8–16 kWh. Baterie musí být lehká (robot ji nosí na sobě), bezpečná (robot pracuje u lidí) a musí vydržet tisíce cyklů (ekonomika provozu).
Tohle je přesně spec, která momentálně neexistuje v sériové výrobě. LFP baterie jsou bezpečné, ale těžké. NMC jsou lehčí, ale degradují rychleji. Solid-state baterie by problém vyřešily — ale Sony, Samsung a Toyota je slibují „za pár let" už od roku 2019.
OpenAI's matematický průlom může pomoci i tady: lepší modely pro simulaci elektrochemických procesů v pevných elektrolytech. Místo fyzikálního testování tisíců variant se dá simulovat — pokud máte dost výpočetního výkonu a dost přesné matematické modely. Cena jednoho fyzického prototypu solid-state buňky je v řádu statisíců dolarů. Cena simulace s o3-level modelem? Zlomek toho.
Írán, podmořské kabely a proč závisí provoz AI na geopolitice
Írán oznámil, že chce po technologických gigantů platby za datový provoz přes podmořské internetové kabely v Hormuzském průlivu. Průliv, kudy prochází přibližně 20 % světové ropné přepravy, je zároveň klíčovým místem pro datové kabely propojující Asii s Evropou a Amerikou.
Zdá se to jako nesouvisející téma? Není.
Výpočetní infrastruktura OpenAI, Google, Anthropic a dalších AI gigantů závisí na globální konektivitě. Trénování modelů jako o3 probíhá na tisících GPU clusterech, které spolu komunikují přes sítě s propustností stovek Gbit/s. Část té infrastruktury prochází přes podmořské kabely. Pokud by Írán skutečně vynutil poplatky — nebo hůře, omezil provoz — dopad by nebyl okamžitý, ale byl by reálný.
Pro elektromobilitu to má konkrétní dopad: aktualizace softwaru pro bateriové management systémy, over-the-air updates pro elektromobily, cloudová telemetrie a prediktivní servis — to vše závisí na spolehlivé globální konektivitě. Tesla posílá denně gigabajty dat ze svých vozidel do datových center. Pokud se globální internet fragmentuje nebo prodraží, business model OTA updatů se komplikuje.
Tohle není sci-fi. Ruská digitální izolace po roce 2022 ukázala, jak rychle se může situace změnit. A Hormuzský průliv je geopoliticky nestabilnější než Baltské moře.
Jak z matematického průlomu vytěžit maximum dnes — konkrétní návod
Většina čtenářů není matematici ani výzkumníci z MIT. Ale i provozovatel střešní FVE nebo správce komunitního BESS systému může z nových AI nástrojů profitovat — a to teď.
Nástroje, které fungují dnes:
OpenAI o3 je přístupný přes API za přibližně 15 dolarů za milion tokenů (vstup) a 60 dolarů za milion tokenů (výstup). Pro optimalizaci nabíjecích strategií baterie to znamená reálné náklady v řádu stovek korun měsíčně při rozumném využití. Vstup je historická telemetrie baterie (SOC, teplota, proud, napětí), výstup je doporučená nabíjecí křivka na příští den.
Pokud nechcete platit OpenAI, existuje open-source alternativa: Mistral 7B nebo Llama 3.1 přes HuggingFace běžící lokálně přes Ollama. Na M2 MacBooku Pro nebo Ryzen 9 PC zvládnete inferenci pro energetické optimalizace bez cloudu. Přesnost bude nižší než o3, ale pro základní BMS optimalizaci dostatečná.
Konkrétní postup pro správce BESS: 1. Exportujte historická data z BMS (většina systémů nabízí CSV nebo Modbus TCP) 2. Přeformátujte do strukturovaného JSONu (timestamp, SOC, teplota, zatížení) 3. Pošlete do o3 s promptem: „Analyzuj vzory degradace a navrhni nabíjecí okna minimalizující degradaci při zachování požadované dostupnosti" 4. Výstup použijte jako vstup do optimizéru nebo manuálně aplikujte jako časová okna v Home Assistant / automatizaci
Celková investice: API klíč, pár hodin práce s daty, výsledek je viditelný na grafu degradace za 6–12 měsíců.
Platforma SmartEnergyShare nabízí přesně tyto typy optimalizací jako součást svého ekosystému pro sdílení energie, obchodování s odchylkami a day trading elektřiny — bez nutnosti řešit integraci sami.
Více o tom, jak AI mění komunitní energetiku, najdete také na electricshare.cz, který se systematicky věnuje průnikům umělé inteligence a distribuované energetiky.
Spider-Noir, kulturní kontext a proč technologie potřebuje příběhy
Finální trailer Spider-Noir přinesl do komiksového univerza klasického padoucha ze 30. let. Je to detail, ale relevantní: Spider-Noir vizuálně evokuje noir estetiku — svět, kde technologie přináší nové problémy místo starých řešení. Detektiv v rozbitém městě, kde věci fungují, ale ne tak jak měly.
Analogie s AI a matematikou není náhodná. Mít nástroj, který vyřeší osmdesátiletý problém, neznamená, že víte co s odpovědí dělat. OpenAI vyřešila část Ramseyovy teorie. Ale kdo rozhodne, jak se výsledek aplikuje? Kdo zajistí, že optimalizovanější BMS nezvýší rizika jiným způsobem? Kdo nese odpovědnost, pokud AI-navržená nabíjecí strategie baterku přehřeje?
Tohle jsou otázky, na které matematika neodpoví. A tahle slepá skvrna — techno-optimismus bez systémového myšlení — je možná největší riziko celého AI boomu.
Závěr: Kupte si čas, ne hype
Matematický průlom OpenAI je reálný. Jeho dopad na elektromobilitu bude postupný, ne okamžitý. Za tři roky budou BMS systémy s AI-asistovanou optimalizací standardem ve výkonných BESS instalacích. Za pět let pravděpodobně i v prémiových elektromobilech.
Co dělat teď? Nečekejte na dokonalou technologii. Sbírejte data ze svých baterií, experimentujte s dostupnými AI nástroji, a nastavte si infrastrukturu tak, aby dokázala přijímat software updates. Flexibilita je důležitější než perfektní rozhodnutí dnes.
A pokud vás matematika z osmdesátých let minulého století naučila jednu věc: nejzajímavější problémy mají řešení, která nikdo nečekal. O3 to dokázalo. Zbývá rozhodnout, co s tím uděláme.